计算机信息提取.pptxVIP

计算机信息提取; ;; ;第5页/共54页;一、分类原理与基本过程;;第一节　计算机分类基本原理;1.1分类的定义;1.2分类的意义;2、分类原理;2、分类原理;2、分类原理;2、分类原理;2、分类原理;关键问题;3、分类基本过程;遥感图像计算机分类方法 监督分类法：选择具有代表性的典型实验区或训练区，用训练区中已知地面各类地物样本的光谱特性来“训练”计算机，获得识别各类地物的判别函数或模式，并以此对未知地区的像元进行分类处理，分别归入到已知的类别中。 关键：选择样区、训练样本、建立判别函数（可以是一些列规则，可是某种数学函数） 非监督分类：是在没有先验类别（训练场地）作为样本的条件下，即事先不知道类别特征，主要根据像元间相似度的大小进行归类合并（即相似度的像元归为一类）的方法。;;二、图像分类方法;二、图像分类方法;二、图像分类方法;二、图像分类方法;最大似然法判别函数;二、图像分类方法;二、图像分类方法;;;;第30页/共54页;第31页/共54页;;第33页/共54页;第34页/共54页;第35页/共54页;非监督分类实例;二、图像分类方法;;第39页/共54页;第40页/共54页;二、图像分类方法;三　分类精度评价与提高;遥感图像分类精度评价方法;分类误差矩阵;; 计算机解译的问题： –存在错分、漏分现象 –正确率一般只有60~70% –不同的研究区域，采用不同的方法，不同的参数 –如何选取好的训练区 ;三、图像分类中的有关问题;三、图像分类中的有关问题;四、计算机解译的主要技术发展趋势;2、逐步完成GIS各种专题数据库的建设，利用GIS数据减少自动解译中的不确定性;3、建立适用于遥感图像自动解译的专家系统，提高自动解译的灵活性;4、模式识别与专家系统相结合;5、计算机解译新方法的应用;感谢观看!